采用最优模糊C均值聚类和改进化学反应算法的配电网络动态重构

针对配电网络动态重构中的开关操作次数约束难以处理的问题,提出采用最优模糊C均值聚类技术对时间区间的配电网络运行状态按其负荷的内在相似性进行聚类,将配电网络动态重构转换为以聚类中心表示负荷状态的多个静态重构问题。从提高寻优效率的角度,对化学反应算法进行了改进,提出了一个更适合求解配电网重构的改进的化学反应算法(improved CRO,ICRO),并将其应用于求解以聚类中心为代表的静态重构问题。每个时间点的优化网络结构由对应的聚类中心的重构结果决定,从而得到配电网络重构操作的时间点和需要操作的开关。以IEEE 33节点配电系统的负荷数据为基础,构建了1周的负荷数据并对IEEE 33节点系统进行了动态重构,验证了方法的有效性。     

含高渗透可再生能源的动态网络重构与无功电压调整协同优化

具有出力不确定性的可再生能源高渗透并入,导致传统单一的主动管理策略难以实现配网最优运行。在此背景下,提出一种动态网络重构与无功电压调整协同优化方法。首先,采用基于形态和幅值的双尺度相似性度量谱聚类算法对负荷进行聚类,进一步利用反映负荷曲线波动特征的自适应聚合算法对时段做出合理划分。其次,计及风光不确定性,构建考虑配电网动态重构与储能和微型燃气轮机出力调控协同的机会约束双层优化模型,模型上层以配电网综合运行成本最小为目标,下层以系统电压总偏差最小为目标,实现对配电网运行经济性和系统电压质量的综合优化。然后,针对该模型提出了基于十进制编码的改进鲸鱼优化算法和内点法相结合的混合策略对模型进行求解。最后,在改进的IEEE33节点系统中,对所提的运行优化模型进行分析和验证。仿真结果表明：所提双层优化模型能够有效提高电压质量和降低配电网运行费用,所提时段划分方法能够得到符合曲线变化趋势的分段方案,改进后的算法大大提高了求解效率。     

基于自适应遗传算法和蚁群算法融合的配电网重构

配电网重构可以降低线损,均衡负荷,提高电压质量和增加配电网可靠性.主要在降低线损、提高电压质量和提高寻优效率方面,采用了自适应遗传算法和蚁群算法融合的方法.对遗传算法的交叉因子和变异因子进行了自适应控制,也不再人为规定迭代的最大代数,而是引入了染色体相似度和种群相似度的概念,使遗传算法的终止条件更加合理.自适应遗传算法...     

考虑电动汽车空间分配的多目标配电网重构优化

电动汽车充电过程在空间呈现的无序性会对配电网重构带来影响。在电动汽车用户倾向于选择距离最近、充电时间最少的充电站进行充电这一基础上,提出一种考虑电动汽车空间分配的配电网重构优化模型。以网络损耗和电压偏移水平为指标建立多目标优化函数,引入电动汽车效用度这一约束条件,对网络开关状态和电动汽车充电负荷空间分配方案同时优化。通过模糊C均值聚类对系统中电动汽车按照空间分布指标进行聚类,将空间分布位置相似的电动汽车聚为一类以降低问题模型维度。然后采用改进遗传算法对模型进行求解以获得综合优化方案。仿真结果表明,聚类能够显著降低计算难度,提高算法收敛速度;在优化模型的引导下,电网在保证自身运行经济性和可靠性的基础上,降低了电动汽车的充电时间和路程,证明了模型和方法的有效性。     

采用改进鲸鱼算法的配电网综合优化

为了解决配电网重构与无功优化问题,将线路开关与无功补偿容量同时作为控制变量对配电网进行综合优化.建立以网络损耗、电压改善度、负荷均衡度和开关动作次数为目标的配电网综合优化模型.针对传统鲸鱼算法初始种群分布不均、缺少全局交流、容易陷入局部最优等问题,利用Sobol序列生成分布更均匀的初始鲸群,引入自适应权重调整系数,改进...     

含间歇性DG的主动配电网动态重构研究

考虑ADN(主动配电网)中间歇性DG(分布式电源)出力的时变性和系统负荷功率的不确定性,建立了含DG的ADN重构模型,提出了DEIWO(差分进化入侵杂草优化)算法,对配电网进行动态重构。利用柯西分布取代高斯分布对IWO(入侵杂草优化)算法进行空间扩散,在计算初始可以产生更多的可行解;引入DE(差分进化)策略,优化竞争生存操作过程,解决了IWO算法收敛速度慢且容易陷入局部最优的问题。利用改进的OFCMC(最优模糊C均值聚类)方法处理ADN动态重构问题,将ADN动态重构问题转化成C个代表负荷数据为聚类中心的静态重构问题。IEEE 33节点系统算例结果表明,利用DEIWO算法对接入DG的配电网重构后,各节点电压波动、电压偏差降低,节点电压整体提高至接近额定电压且无电压越限,配电网电压质量可达到最佳状态。     

含分布式电源的配电网多目标优化重构研究

针对分布式电源的不断接入,使得配电网的负载需求越来越复杂,三相不平衡问题越来越突出。文中提出了一种考虑多时段负荷变化和开关操作次数等问题,以减少变压器出口侧三相电流的总体不平衡度和最小化开关操作次数为目标构建优化模型,采用改进的微分进化算法用于提高收敛速度,避免优化过程早熟。并通过算例验证了改进算法的有效性和准确性。结果表明,该算法实现了深度优化,能有效地解决多目标动态重构问题。该研究为我国分布式电源接入配电网的多目标重构提供了参考和借鉴。     

基于改进蝙蝠算法对含分布式电源配电网重构研究

针对多类型分布式电源接入配电网后造成配电网拓扑结果复杂,而传统的遗传算法寻优搜索范围大、局部寻优易收敛等问题,本文提出一种基于改进蝙蝠算法的配电网重构算法。该算法利用回支关联动态矩阵切割合并电网回路,在保证配电网辐射状拓扑结构的同时简化拓扑搜索;利用K-means聚类对种群数据进行初始化聚类,解决局部最优;利用Powell局部搜索,加快算法的收敛速度。仿真实验表明,与其他标准蝙蝠算法和粒子优化算法相比,本文改进的算法有较快的收敛速度和较高的寻优精度;在配电网重构中,本文改进算法与其他算法相比,不仅有效地降低了原配电网的有功耗损还提高了节点电压幅值,一定程度上改善了系统的电压质量。     

基于柔性多状态开关的主动配电网双层负荷均衡方法

分布式电源(DG)的大量接入使得配电网源荷不确定性与随机性增大,而柔性多状态开关(FMS)的应用使得供区间互联不再受制于电压等级和相位,主动配电网(ADN)多供区联合优化运行将成为新常态,也为改善负荷不均衡现象、提高供电水平提供了基础.利用FMS灵活互联的特点,以供区层和馈线层负荷均衡指数加权最小为目标函数,建立了ADN双层嵌套负荷均衡模型,并采用改进粒子群和二阶锥规划的混合优化算法求解网络重构拓扑方案与FMS出力.整体算法外部对合环配电网进行简化和等效,减小网络重构的粒子群算法的粒子规模,加快计算速度;内部采用最佳等距分段线性逼近法(OEPLAA)对目标函数进行线性化,将FMS出力优化问题进行二阶锥转化.最后,通过某实际配电网对所提出的负荷均衡方法进行了分析和验证.     

基于时间区间的配电网重构

提出了基于时间区间的静态重构算法和动态重构算法.算法以最优流法为基础,以一段时间内的能量损耗最小为目标函数.首先利用配电网负荷模式的特点对基于时间区间的最优流计算方法进行了改进,然后利用该计算方法求解配电网的静态重构问题.动态重构中需要考虑开关操作次数的约束,为此,动态重构算法中先利用降损估算公式对开关操作在整个时间区间内的降损效果进行评估和比较,然后提出了合理的启发式规则来确定开关的操作顺序,形成优化方案.69节点配电网的算例结果表明,提出的静态重构和动态重构算法是可行和有效的.     

基于改进教与学优化算法的配电网重构

正常运行工况下的配电网重构能降低配电网损耗。近年来新兴的教与学算法具有自有参数少、简单易懂、收敛迅速等优点,十分适合多目标、多约束的配电网重构优化问题求解。以网损最小和开关操作次数为目标,并考虑运行经济成本,将教与学算法引入到配电网优化重构中,对基本教与学算法中的教学因子进行了自适应改进,给出了算法的编码策略、迭代过程中“学生”信息的修改原则。PG&E 69节点系统以及一个实际城区配电网的优化重构仿真结果表明所提改进算法的有效性。     

基于门当户对遗传算法的配电网多目标主动重构研究

基于主动配电网的发展潮流,提出了一种基于改进遗传算法的主动配电网多目标重构模型。首先,将功率损耗、电压偏移和系统稳定裕度等指标融合到目标函数中,并引入判断矩阵法和线性加权法确定各个指标的权重和实现多目标函数的转化。其次,针对传统遗传算法的弊端,提出了基于"门当户对"原则的多种染色体交叉策略,丰富了种群进化方式的多样性,算法计算效率和寻优能力得到大大加强。最后通过设定临界值,实现主动配电网的自我感知和主动重构,提高配电网安全性和稳定性。仿真算例表明,所提出的模型和算法以及主动重构的理念符合当前主动配电网主动运行和主动控制的思路,具有较为广泛的应用前景。     

基于PAM时段划分的配电网动态重构

为保证配电网的安全稳定运行,提出一种基于PAM(Partitioning Around Medoid)时段划分的配电网动态重构方法。以配电网网络损耗、电压偏移和负荷均衡为目标函数,建立配电网动态重构模型。针对配电网动态重构过程中的时段划分问题,给出一种以相异度为分段指标的PAM时段划分方法。为提升协同粒子群算法(Cooperative particle swarm optimization,Co-pso)的寻优能力,对其速度更新公式进行修正,并引入正态分布随机调整因子对协同粒子群算法进行改进。选择IEEE33节点系统进行算例分析计算,算例结果验证了上述方法的有效性。     

含电动汽车和智能软开关的配电网动态重构

提出含分布式能源、智能软开关(SOP)和电动汽车(EV)有序接入的配电网重构策略。基于上班族的出行习惯模拟EV的无序充电模型,并构建配电网重构下的SOP模型;对于接入的EV无序充电负荷,采用拉格朗日松弛分散式优化算法和虚拟电价进行EV的有序调度;以最小化网损费用,SOP运行费用,弃风、弃光费用与开关动作费用之和为目标函数,通过大M法和二阶锥松弛将配电网重构模型转化为混合整数二阶锥规划模型,采用CPLEX求解器进行求解。IEEE 33节点标准系统的仿真结果表明,在配电网动态重构中采用SOP代替传统开关能够提升配电网运行的经济性,同时采用所提有序调度方法优化EV充电可以改善配电网电压质量。     

基于综合协调优化的两阶段配电网动态重构研究

针对配电网动态重构,常需要考虑长时间尺度下的合理规划综合考虑负荷功率变化以及光伏、风电等分布式电源的出力变化,及时调整网络拓扑结构使得网络损耗和电压偏差尽可能地小,同时还需顾及网络拓扑结构改变时断路器动作次数与断路器组合冲突问题。为此,文中提出了一种基于综合协调优化的两阶段配电网动态重构法,将配电网动态重构分为两个阶段：1)以网损最低为目标,以基于有序环网的启发式规则灰狼静态重构算法对配电网所有时段进行重构寻优;2)对最优解进行综合协调优化,并提出削减规则策略与时段融合策略,按顺序缩减动态重构的断路器动作次数。仿真结果表明,该方法不仅可以有效降低网损,提高配电网各个节点的电压值,且大幅度降低断路器动作次数。     

基于改进萤火虫算法的含DG配电网重构方法

为了更好地解决含DG的配电网重构问题,建立了以系统损耗、负荷均衡、电压偏差为目标的重构模型,并利用改进萤火虫算法进行寻优计算。针对传统萤火虫算法中存在的早熟收敛、过度依赖控制参数等缺陷,引入了惯性权重,利用混沌理论对算法参数进行调整,使算法兼顾全局搜索与局部搜索能力的均衡。同时将精英保留策略融入到萤火虫算法当中,加快了算法收敛的速度。为了减少网络重构中出现的大量不可行解,对网络拓扑进行了简化操作,缩短了编码维数,提高了寻优效率。最后通过算例分析,验证了该算法的有效性与实用性。     

计及可控负荷参与的主动配电网动态恢复供电策略

针对传统基于单时间断面的恢复供电策略难以长时间保持负荷恢复期间的电气孤岛稳定运行问题,提出了一种主动配网多时段动态恢复供电策略。通过引入可控负荷,提高了电网重建的效率和恢复期间负荷的运行稳定性。此外,针对主动配电网负荷动态恢复模型变量过多、难以求解的问题,提出一种启发式孤岛动态调整算法。仿真结果验证了所提策略的可行性和优越性。     

考虑新能源与电动汽车接入下的主动配电网重构策略

随着分布式风力发电等新能源以及电动汽车(EV)等新型负荷接入配电网的比重逐步提高,传统的配电网重构模型难以反映其随机性和波动性。文中首先构造了风力机和EV的概率场景模型及含分布式电源(DG)和EV的配电网重构模型;其次,在场景分割的基础上对不同场景分别进行线性化随机潮流计算,在保证精确性的前提下简化模型,避免了场景的组合爆炸,体现了对于配电网中不断增加的DG和EV的适应性;最后采用一种适用于配电网重构场景模型的改进生物地理学优化算法,通过引入改进的编码规则、余弦迁移模型及变异操作,提高搜索速度和精度,抑制算法进化过程中因早熟收敛而陷入局部最优。算法在IEEE 69节点算例20次仿真计算中比传统人工智能算法更有优势。     

基于聚类法的工业用户需求侧管理(DSM)方案分析与研究

为了解决只是按照电价对用户负荷特性进行分析带来的问题,达到需求侧管理的有序用电,提出了基于聚类法的负荷特性分析方法。以工业企业DSM方案为背景,利用模糊C均值聚类法,对重要企业用户的用电负荷进行聚类。利用基于可能性分布的聚类有效性函数指标作为分类依据,对某公司的负荷特性进行精细挖掘,对聚类结果进行了详细分析。分析结果显示,负荷峰值时段,其在需求响应事件中,可提供气候敏感负荷中断容量和生产负荷中断容量两种类型,并得出了其对应适合的需求响应类型。     

基于线性近似模型的三相不平衡有源配电网重构

针对配电网中分布式电源和负荷具有波动性、时变性,并普遍以三相不平衡方式运行,提出一种有源配电网重构方法。首先,对一天的风力光伏发电和负荷功率进行日前短期预测建模,制定以一天为开关动作周期的日重构决策,降低对配电网运行的冲击。在此基础上,建立以配电网运行日损耗最低和电压偏差最小为总目标的三相不平衡有源配电网多时段重构数学模型,并基于最佳等距分段线性逼近法对原非凸模型进行精度可控的线性近似。最后,通过标准化配电测试系统验证了重构模型的有效性和精确性。